本文已参与「新人创作礼」活动，一起开启掘金创作之路。
如果你不曾使用Stream流，那么当你见到Stream操作时一定对它发出过鄙夷的声音，并在心里说出“这都写的什么玩意儿”。
如果你热衷于使用Stream流，那么你一定被其他人说过它可读性不高，甚至在codereview时被要求改用for循环操作，更甚至被写入公司不规范编码中的案例。
这篇文章将告诉你，不要再简单地认为Stream可读性不高了！
先贴上几个案例，水平高超的同学可以挑战一下：
l 从员工集合中筛选出salary大于8000的员工，并放置到新的集合里。
l 统计员工的最高薪资、平均薪资、薪资之和。
l 将员工按薪资从高到低排序，同样薪资者年龄小者在前。
l 将员工按性别分类，将员工按性别和地区分类，将员工按薪资是否高于8000分为两部分。
用传统的迭代处理也不是很难，但代码就显得冗余了，跟Stream相比高下立判。Java 8 是一个非常成功的版本，这个版本新增的Stream，配合同版本出现的 Lambda ，给我们操作集合（Collection）提供了极大的便利。
# 那么什么是Stream？
Stream将要处理的元素集合看作一种流，在流的过程中，借助Stream API对流中的元素进行操作，比如：筛选、排序、聚合等。
Stream可以由数组或集合创建，对流的操作分为两种：
l 中间操作，每次返回一个新的流，可以有多个。
l 终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。
另外，Stream有几个特性：
l stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
l stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
l stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。
Stream可以通过集合数组创建。
l 通过 java.util.Collection.stream() 方法用集合创建流
l 使用java.util.Arrays.stream(T[] array)方法用数组创建流
l 使用Stream的静态方法：of()、iterate()、generate()
输出结果：
stream和parallelStream的简单区分：stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处：
如果流中的数据量足够大，并行流可以加快处速度。除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：
在使用stream之前，先理解一个概念：Optional 。
Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。
更详细说明请见：菜鸟教程Java 8 Optional类
接下来，大批代码向你袭来！我将用20个案例将Stream的使用整得明明白白，只要跟着敲一遍代码，就能很好地掌握。
# 案例使用的员工类
这是后面案例中使用的员工类：
3.1 遍历/匹配（foreach/find/match）
Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。
3.2 筛选（filter）
筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。
案例一：筛选出Integer集合中大于7的元素，并打印出来
预期结果：
案例二：筛选员工中工资高于8000的人，并形成新的集合。形成新集合依赖collect（收集），后文有详细介绍。
运行结果：
3.3 聚合（max/min/count)
max、min、count这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。
案例一：获取String集合中最长的元素。
输出结果：
案例二：获取Integer集合中的最大值。
输出结果：
案例三：获取员工工资最高的人。
输出结果：
案例四：计算Integer集合中大于6的元素的个数。
输出结果：
3.4 映射(map/flatMap)
映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：
l map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
l flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。
案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。
输出结果：
案例二：将员工的薪资全部增加1000。
输出结果：
案例三：将两个字符数组合并成一个新的字符数组。
输出结果：
3.5 归约(reduce)
归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。
案例一：求Integer集合的元素之和、乘积和最大值。
输出结果：
案例二：求所有员工的工资之和和最高工资。
输出结果：
3.6 收集(collect)
collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。
l collect主要依赖java.util.stream.Collectors类内置的静态方法。
3.6.1 归集(toList/toSet/toMap)
因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。
下面用一个案例演示toList、toSet和toMap：
运行结果：
3.6.2 统计(count/averaging)
Collectors提供了一系列用于数据统计的静态方法：
l 计数：count
l 平均值：averagingInt、averagingLong、averagingDouble
l 最值：maxBy、minBy
l 求和：summingInt、summingLong、summingDouble
l 统计以上所有：summarizingInt、summarizingLong、summarizingDouble
案例：统计员工人数、平均工资、工资总额、最高工资。
运行结果：
3.6.3 分组(partitioningBy/groupingBy)
l 分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。
l 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。
案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组
输出结果：
3.6.4 接合(joining)
joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。
运行结果：
3.6.5 归约(reducing)
Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。
运行结果：
3.7 排序(sorted)
sorted，中间操作。有两种排序：
l sorted()：自然排序，流中元素需实现Comparable接口
l sorted(Comparator com)：Comparator排序器自定义排序
案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序
运行结果：
l 按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa]
l 按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]
l 先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa]
l 先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]
3.8 提取/组合
流也可以进行合并、去重、限制、跳过等操作。
l
运行结果：
好，以上就是全部内容，能坚持看到这里，你一定很有收获。
